샘플 MASE에서

Question

MASE를 계산할 때 원래 논문은 표본 외 예측 오차를 스케일링하기 위해 표본 내 순진한 예측 오차를 사용하도록 제안합니다.

그러나 샘플 데이터 세트에서 순진한 예측으로 생성 된 MAE를 사용하면 테스트 기간 동안 예측의 실제 성능과 더 많은 상관 관계가있는 MASE를 얻습니다.

내 이해는 표본 외 순진한 MAE를 사용할 때의 한 가지 제한은 표본 집합이 작 으면 신뢰할 수 없다는 것입니다. 그러나 이것은 내 응용 프로그램의 경우가 아닙니다.

직관적으로 동일한 기간의 순진한 예측 오류로 예측 오류를 확장하는 것이 더 적절 해 보입니다.

내 질문:

표본 외 데이터의 MAE를 사용하여 예측 오차를 조정하는 것이 좋은 생각입니까? 즉.

$$MASE=\frac{MAE}{MAE_{out-sample, \, naive}}$$

Answer 1

분모에서 가장 편한 벤치 마크를 사용할 수 있습니다. (빈번한 선택은 순진한 계절별 샘플 내 예측입니다.) 접근 방식은 예측을 샘플 내 벤치 마크와 비교하는 것보다 더 관련성이 높은 샘플 내 벤치 마크와 비교하는 이점이 있습니다. 정상 "MASE는 그렇습니다.

어떤 분모를 사용하고 있는지 명시 적으로 기록하는 것이 좋습니다. 따라서 다른 사람들 (또는 반년 후에 자신)이 계산 된 "일반 바닐라"MASE가 귀하의 계산과 일치하지 않는다고 혼동하지 마십시오.